Learning Surface Scattering Parameters From SAR Images Using Differentiable Ray Tracing

要約

複雑なシーンで高解像度の合成開口レーダー (SAR) 画像をシミュレーションすることは、常に重要な研究課題となってきました。
マイクロ波領域表面散乱モデルの開発とその可逆性は、SAR画像シミュレーションの信頼性を高め、ターゲットパラメータの再構築を容易にする上で極めて重要な役割を果たす態勢が整っています。
この論文は、コンピュータ グラフィックスの分野からインスピレーションを得て、鏡面反射光と拡散反射光の両方の寄与を包括的に考慮する表面マイクロ波レンダリング モデルを提案します。
モデルは、キルヒホッフ近似 (KA) と摂動法 (SPM) に基づいたコヒーレント空間変化二方向散乱分布関数 (CSVBSDF) によって解析的に表現されます。
また、SAR イメージングは​​、レイ トレーシングと高速マッピング投影技術を相乗的に組み合わせることで実現されます。
さらに、CSVBSDF 表面散乱パラメータ学習のために、SAR 画像に基づく微分可能レイ トレーシング (DRT) エンジンが構築されました。
この SAR 画像シミュレーション エンジン内では、微分可能な逆レイ トレーシングを使用することで、SAR 画像からのパラメーター勾配の迅速な推定が可能になります。
このアプローチの有効性は、シミュレーションと実際の SAR 画像との比較を通じて検証されています。
表面散乱パラメータを学習することにより、さまざまな観察条件下での SAR 画像シミュレーションのパフォーマンスが大幅に向上することが実証されました。

要約(オリジナル)

Simulating high-resolution Synthetic Aperture Radar (SAR) images in complex scenes has consistently presented a significant research challenge. The development of a microwave-domain surface scattering model and its reversibility are poised to play a pivotal role in enhancing the authenticity of SAR image simulations and facilitating the reconstruction of target parameters. Drawing inspiration from the field of computer graphics, this paper proposes a surface microwave rendering model that comprehensively considers both Specular and Diffuse contributions. The model is analytically represented by the coherent spatially varying bidirectional scattering distribution function (CSVBSDF) based on the Kirchhoff approximation (KA) and the perturbation method (SPM). And SAR imaging is achieved through the synergistic combination of ray tracing and fast mapping projection techniques. Furthermore, a differentiable ray tracing (DRT) engine based on SAR images was constructed for CSVBSDF surface scattering parameter learning. Within this SAR image simulation engine, the use of differentiable reverse ray tracing enables the rapid estimation of parameter gradients from SAR images. The effectiveness of this approach has been validated through simulations and comparisons with real SAR images. By learning the surface scattering parameters, substantial enhancements in SAR image simulation performance under various observation conditions have been demonstrated.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google